Πρόβλεψη Αποτελεσμάτων Αγώνων Τένις με Χρήση Μηχανικής Μάθησης και Ανάπτυξη Στοιχηματικής Στρατηγικής

Abstract

Σε αυτή την εργασία μελετάται η αποδοτικότητα μοντέλων Δένδρων Αποφάσεων, Τυχαίου Δάσους και LightGBM με δεδομένα από το ATP Dataset στο πρόβλημα της εκτίμησης Φαβορί σε αγώνες Τένις, καθώς και η σύγκριση των στρατηγικών Απλού Στοιχήματος σε Φαβορί, Στοιχήματος κατά Martingale και Επιλεκτικού Στοιχηματισμού ως προς την αξιοπιστία της πρόβλεψης του νικητή και ως προς την απόδοση του αγώνα. Τα αποτελέσματα δείχνουν πως τα μοντέλα Μηχανικής Μάθησης, αν και τα πάνε καλύτερα, δεν έχουν πολύ μεγάλη διαφορά από την εκτίμηση του Φαβορί με βάση την απόδοση που δίνουν οι Bookmakers στον αγώνα. Ως προς τις στρατηγικές, η μόνη μέθοδος που είχε αξιόπιστα αποτελέσματα για κέρδος ήταν η μέθοδος Martingale, η οποία όμως εκθέτει σε ρίσκο ένα σημαντικό αρχικό κεφάλαιο, το ύψος του οποίου είναι άγνωστο στον Παίκτη και μπορεί να φτάσει τις δεκάδες χιλιάδες ευρώ, ακόμα και εάν το αρχικό ποντάρισμα ξεκινάει από ένα ευρώ. Το κέρδος αυτής της στρατηγικής πετυχαίνει μέγιστο κέρδος της τάξης του 8% της συνολικής επένδυσης.